本文共 3858 字，大约阅读时间需要 12 分钟。

���������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������������

1. ������������

���������������������������������������������������������������������������������

2. ������������

���������������������������������

3. Python������

���������������scikit-learn������������������������������������������

from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import confusion_matrix as con
# 1. ������������
def load_data():
    # ������iris������������������X���y
    import numpy as np
    from sklearn.datasets import load_iris
    iris = load_iris()
    X, y = iris['data'], iris['target']
    return X, y
# 2. ������������
def split_dataset(X, y, test_size=0.3):
    from sklearn.model_selection import train_test_split
    X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=test_size, random_state=42)
    return X_train, X_test, y_train, y_test
# 3. ������������������������������
def init_random_forest():
    return RandomForestClassifier(class_weight='balanced', random_state=123)
# 4.Training and evaluation
def train_and_evaluate(X_train, X_test, y_train, y_test):
    model = init_random_forest()
    model.fit(X_train, y_train)
    pred = model.predict(X_test)
    print(f"Accuracy: {model.score(X_test, y_test):.2f}")
    print("\nConfusion Matrix:")
    print(con(y_test, pred))
    return model
# 5.���������������������
def main():
    X, y = load_data()
    X_train, X_test, y_train, y_test = split_dataset(X, y)
    model = train_and_evaluate(X_train, X_test, y_train, y_test)
    print("Random Forest Model Trained and Evaluated!")
if __name__ == "__main__":
    main()

������������������

������������������������������������������������

Accuracy: 0.96
Confusion Matrix:
[[97   0   1]
 [ 1  91   0]
 [ 0   0  97]]

������

������������������������������������������������������������������������������������������������